파킨슨병 진단 및 치료 보조를 위한 뇌전도 신호 분류 모델의 입력데이터 유형과 딥러닝 모델 아키텍처에 따른 분류 성능에 관한 연구
Alternative Title
EEG classification performance on diagnosis and treatment of Parkinson's disease based on input types and deep learning model architectures
Issued Date
2024-01-31
Citation
김시온. (2024-01-31). 파킨슨병 진단 및 치료 보조를 위한 뇌전도 신호 분류 모델의 입력데이터 유형과 딥러닝 모델 아키텍처에 따른 분류 성능에 관한 연구. 2024년도 한국통신학회 동계종합학술발표회, 761–762.
Type
Conference Paper
ISSN
2383-8302
Abstract
파킨슨병의 EEG 신호를 분류하는 모델은 파킨슨병의 진단과 치료를 보조하는 데 사용될 수 있다. 이러한 분류 모델의 성능은 입력데이터와 모델 아키텍처의 유형에 영향을 받는다. 그러나 아직 파킨슨병 EEG 신호 분류 작업에 대해서 어떠한 입력과 모델의 조합이 가장 적합한지 비교한 연구는 부족하다. 따라서, 본 논문에서는 동일한 전처리 과정을 거치되, 서로 다른 시간 및 주파수 해상도를 갖는 입력데이터에 대해서 여러 모델 아키텍처 (CNN, RNN, ANN)를 적용하고, 모델 최적화 과정을 동일하게 통제함으로써 성능을 비교하였다. 결과적으로, 시간 및 주파수 해상도가 동시에 높은 입력데이터와 CNN 의 조합이 가장 뛰어난 분류 정확도를 가짐을 확인하였다.
